?

• 深度學(xué)習(xí)模型應(yīng)用常見應(yīng)用場景
• 深度學(xué)習(xí)模型基礎(chǔ)技術(shù)棧
• 深度學(xué)習(xí)模型常見的難點(diǎn)
• 基于深度學(xué)習(xí)框架TensorFlow進(jìn)行深度學(xué)習(xí)模型案例實現(xiàn)
• ?

• 主題	課程安排
  深度學(xué)習(xí)基本原理	1、深度學(xué)習(xí)簡介 2、深度學(xué)習(xí)成功應(yīng)用 3、深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的對比 4、深度學(xué)習(xí)的訓(xùn)練過程 5、深度學(xué)習(xí)的具體模型 自動編碼器 稀疏自動編碼器 降噪自動編碼器 6、深度學(xué)習(xí)應(yīng)用案例
  深度學(xué)習(xí)模型原理解析	1、CNN CNN模型的推導(dǎo)與實現(xiàn) CNN的反向求導(dǎo)及練習(xí) CNN應(yīng)用：文本分類 CNN 常見問題總結(jié) 2、RNN RNN模型的推導(dǎo)與實現(xiàn) RNN的反向求導(dǎo)及練習(xí) RNN應(yīng)用：個性化電影推薦 RNN常見問題總結(jié) 3、LSTM LSTM模型的推導(dǎo)與實現(xiàn) LSTM的反向求導(dǎo)及練習(xí) LSTM應(yīng)用：文本識別 LSTM常見問題總結(jié) 4、DNN DNN模型的推導(dǎo)與實現(xiàn) DNN的反向求導(dǎo)及練習(xí) DNN應(yīng)用：CTR預(yù)估 DNN常見問題總結(jié) 5、廣告搜索中深度學(xué)習(xí)的應(yīng)用 查詢意圖識別：CSR 文本相關(guān)性：Word2Vec。DSSM CTR預(yù)估：DNN、MxNet 圖像理解：VGGNet、CNN
  深度學(xué)習(xí)框架實踐Tensorflow	1、Tensorflow框架介紹 2、TensorFlow和其他深度學(xué)習(xí)框架的對比 3、Tensorflow 特性 4、Tensorflow 下載及安裝 5、Tensorflow 架構(gòu) 6、Tensorflow 基本使用 7、TensorFlow實現(xiàn)多層感知機(jī) 8、TensorFlow實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) TensorFlow實現(xiàn)簡單的卷積網(wǎng)絡(luò) TensorFlow實現(xiàn)進(jìn)階的卷積網(wǎng)絡(luò) TensorFlow實現(xiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò) TensorFlow實現(xiàn)ResNet 9、Tensorflow 實現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)及Word2Vec Tensorflow 實現(xiàn)Word2Vec Tensorflow 實現(xiàn)基于LSTM的語言模型 10、TensorFlow實現(xiàn)深度強(qiáng)化學(xué)習(xí) 深度強(qiáng)化學(xué)習(xí)簡介 TensorFlow實現(xiàn)策略網(wǎng)絡(luò) TensorFlow實現(xiàn)估值網(wǎng)絡(luò) 11、TensorBoard、多GPU并行及分布式并行 TensorBoard 多GPU并行 分布式并行 12、實戰(zhàn)：Python中實現(xiàn)LSTM模型搭建：時間序列 基于某家店的某顧客的歷史消費(fèi)的時間推測該顧客前下次來店的時間 13、實戰(zhàn)：用TensorFlow搭建圖像識別系統(tǒng) 14、Tensorflow結(jié)合Spark ?

  ?